問題解決のフレームワークとプロセス｜実践手法とAI活用

ビジネスにおける「問題解決」とは：DX・AI時代に成果を出す必須スキル

すべての仕事は、本質的に「ビジネス上の問題を解決すること」の連続です。そのため、経営層から現場のメンバーに至るまで、問題解決は全社員に求められる最重要の基礎能力（スキル）と言えます。

一見、センスや経験に左右されるように思える問題解決ですが、実務においては「優れたフレームワーク（型）」を身につけているかどうかで、導き出される成果に劇的な差が生まれます。組織全体が共通の型を持つことで、チーム内の連携や課題解決のスピードは圧倒的に向上します。

特にDX（デジタルトランスフォーメーション）や生成AIが普及した現代においては、問題解決スキルの定義が変化しています。生成AIは大量のアイデアを出してくれますが、「そもそも何を解くべきか（What）」という良質な問いを立てる能力は、人間にしかありません。問題解決を年1回の特別イベントとして捉えるのではなく、日々の業務の中で「仮説・実行・検証」のサイクルを高速で回し続けることこそが、変化の激しい時代を生き抜く武器になります。

問題解決のプロセスとは：What→Where→How

ビジネス課題の問題解決プロセスは、基本となる3ステップに「実行（Actions）」を加えた4段階に整理できます。まずは「どこで何のフレームワークを使うか」の地図（プロセス）を理解することが重要です。

1. 問題定義（What）：そもそも解くべき問題は何かを規定するステップ。
2. 問題特定（Where）：どこが一番問題かを特定するステップ（原因分析の視点を含む）。
3. 解決策立案（How）：どう解決するかを決め、計画に落とすステップ。
4. 実行（Actions）：解決策を実行し、評価・定着を図るステップ。

実行を別とすると、実質的なプロセスはWhat→Where→Howの3ステップです。問題解決フレームワークには複数の流派がありますが、本稿では、組織内の納得感を得やすく、生成AIとも相性のよいこのシンプルな枠組みを採用します。

ステップ1．問題定義（What）

取り組むべき問題を明確化します。組織で解く場合は、誤解のない言語化と関係者の共通認識づくりが不可欠です。この段階では「理想と現実のギャップ」を捉えるフレームワークが有効です。

①問題を仮設定する・②問題を再定義する

実務では、明確に言語化できない違和感から始まることが多いものです。いきなり的確な定義が難しい場合は、「誰の」「どんな状況か」「課題は何か」を仮設定します。一度で最適な定義に到達するのは困難なため、仮設定した定義を起点に、「手頃で解けるとうれしい問題」へとレベルや視点を変えながら再定義していきます。

【王道のフレームワーク】AsIs-ToBe分析で「理想と現実のギャップ」を捉える

問題定義の最も基本的かつ強力な型が、AsIs-ToBe（現状・あるべき姿）分析です。ビジネスにおける「問題」とは、あるべき姿（理想）と現状（現実）の「差（ギャップ）」そのものを指します。

ビジネスには必ず目標やゴールが存在します。そのため、現在の状況と目標との間に乖離があるならば、それはすべて「問題」として定義することが可能です。「何か特別な困りごと」を探すのではなく、目標への道程におけるギャップを正しく捉えることが、プロの問題定義の第一歩です。この手法は実務において「問題」と「課題」の混同を防ぐのにも非常に役立ちます。

• 問題（Problem）：あるべき姿と現状との間に生じている「差（ネガティブなギャップ）」のこと。
• 課題（Task）：その差を埋めるために取り組むべき「具体的なアクション（ポジティブな解決テーマ）」のこと。

誰が読んでも齟齬がない「問題定義」3つの鉄則

曖昧な定義を避け、組織の共通言語とするためには、以下の3つのルールを徹底しましょう。

1. 詳細に言語化する：「誰が、いつ、どこで、どんな状態か」を可能な限り詳しく書き出します。
2. 数字や固有名詞を使う：主観を排除し、誰が読んでも全く同じ問題をイメージできる状態が理想です。
3. 原因や手段は考えない：この時点では「なぜそうなっているか（原因）」や「どうすべきか（手段）」は混ぜず、あくまで「起きている事実（ギャップ）」の定義に集中します。

AsIs-ToBeによる問題定義の具体例

抽象的な問題を、AsIs-ToBeを使って「解ける問題」に変換した事例を紹介します。

事例1：営業部門の売上目標
「売上が足りない」という曖昧な状態を、「今期目標1億円（ToBe）」に対し「現在5,000万円（AsIs）」と置くことで、「残り3か月で5,000万円の追加売上獲得が必要（GAP）」という具体的な問題が定義されます。

事例2：工場の品質改善
「品質が悪い」という主観的な評価を、「基準誤差0.1%以内（ToBe）」に対し「現在1%（AsIs）」と置くことで、「加工精度を10倍（1%→0.1%）に高める必要がある（GAP）」と定義。目指すべき改善のインパクトが明确になります。

【DX時代のフレームワーク】ジョブ理論とペルソナ（※生成AIと抜群の相性）

ジョブ理論は、「顧客は何を買ったか？」ではなく「なぜ買ったか？」という購買の目的や背景を深く理解するためのフレームワークです。

「顧客は製品を買っているのではなく、片付けたい用事（ジョブ）を解決するために雇っている」という考え方に基づき、プロダクトの機能やスペックだけでは見えてこない真のニーズを、「特定の状況における」＋「顧客が達成したい進歩（ジョブ）」として定義します。ここにペルソナ（具体的な人物像）を掛け合わせることで、特定の状況やそれを阻む課題（ペイン）の解像度が劇的に上がります。

クレイトン・クリステンセン氏が考案したこの理論は、顧客理解を掘り下げるグローバルスタンダードな枠組みとして、近年DXや新規事業検討の場面で多く活用されています。当研究所の問題解決研修において、あえて本手法を採用している理由は以下の2点です。

• 生成AIとの圧倒的な相性の良さ
  生成AIはグローバルスタンダードであるジョブ理論を深く学習済みです。そのため、プロンプトの枠組みとして活用することで、AIから論理的で高品質な支援（課題の言語化やアイデア出し）を引き出しやすくなります。
• 社内業務革新（内部DX）への応用力
  ジョブの基本は顧客理解ですが、「顧客のジョブ」を「自社社員のジョブ」と読み替えることで、顧客向けサービスだけでなく、社内業務の改善や生産性向上にもそのまま適用可能です。

※参考記事：問題定義とは？ビジネス課題を解決する「問い」の立て方と実践

ステップ2．問題特定（Where）

合意したビジネス課題について、どこに焦点を当てるかを特定します。基本は「分けること（分解）」と「選ぶこと（重要課題の選択）」の2段階です。ここでは構造化のフレームワークが力を発揮します。

①問題を分ける（分解）

まずは漠然とした大きな問題を構成要素に分解し、問題のありかを特定するための「地図」を描きます。

「売上が上がらない」「業務のミスが多い」といった大きな問題のままでは、具体的な解決策は思い浮かびません。問題を分ける（分解する）ことの最大の目的は、抽象的な問題を「対処可能なサイズ」まで小さくし、真のボトルネック（Where）を特定することです。

ビジネスにおいて「分けることは、分かること」とよく言われます。構成要素（要素の掛け算など）や時系列（業務プロセスなど）でモレなく分解していくことで、勘や思い込みに頼らず、論理的に問題のありかを絞り込むことができるようになります。

【王道のフレームワーク①】ロジックツリーによる要素のMECE分解

問題を構成要素にツリー状に分解していく（構造化する）ためのフレームワークです。「MECE（モレなくダブりなく）」の原則に従って論理的に分解し、根本的な原因や、最もインパクトの大きい打ち手（レバレッジ・ポイント）がどこにあるかを特定する王道の手法です。

例えば「売上」という大きな問題を解決したい場合、上図のように「顧客数」と「顧客単価」に分け、さらに分解していくことで、「今は新規顧客の集客数（Where）に最も問題がある」といった具体的な特定が可能になります。

※参考記事：MECE(ミーシー)とは？わかりやすい具体例と図解で学ぶ論理思考とAI活用

【王道のフレームワーク②】プロセス分解によるボトルネックの特定

要素で分けるロジックツリーに対し、問題を時系列や業務フローのステップでモレなく分解するアプローチが「プロセス分解」です。実務の業務改善において極めて強力なフレームワークとなります。

例えば「購買のプロセス」であれば、上図のように「認知する ➔ 興味を持つ ➔ 検索する ➔ 購入する ➔ 発信する」へと分解します。これにより、「認知はされているが、検索しても見つかりにくい」という検索段階の具体的なボトルネック（Where）が浮き彫りになります。また、「月末経費精算」のような社内業務でも、「システム入力が手作業で煩雑」といった、自動化やDXで解決すべきピンポイントな課題箇所を勘に頼らず特定できます。

【DX時代のフレームワーク】カスタマージャーニーマップでの顧客体験可視化

カスタマージャーニーマップは、顧客がサービスを認知し、利用し、その後に至るまでの一連の体験を時系列で可視化する手法です。プロセス分解を一歩進め、ユーザーの心理まで構造化します。

体験をフェーズごとに分解し、各フェーズでの顧客行動、思考・感情、課題を洗い出します。顧客体験のどの部分（Where）が最も解決インパクトが大きいかを感情の波から特定しやすいため、DX推進において強力な武器となります。

②重要課題の選択と評価軸

地図を描いて問題を洗い出したら、次は評価軸を決め、テコが効く重要課題を一つ（または少数）選びます。

• 顧客起点の課題：「課題の大きさ × 自社貢献度」で優先順位をつけます。
• 社内業務課題：「課題の大きさ × 発生頻度」で優先順位をつけます。

ステップ3．解決策立案（How）と実行（Actions）

優先課題に対して解決策を設計します。抽象的な発想だけでなく、実行可能なアクションプランに落とすことが要点です。ここでは「発散」と「収束」の使い分けが重要になります。

①アイデアを出す（発散：多産多死）

特定した重要課題に対し、どのように解決するか（How）のアイデアを出します。

ここで最も重要なポイントは、「アイデアの量が質を高める（多産多死）」ということです。いきなり1つの完璧な解決策を導き出そうとするのではなく、まずは制限を設けずにできるだけ多くのアイデアを洗い出します（発散）。多くのアイデアを出し（多産）、後から評価して絞り込む（多死）アプローチをとることで、結果的に実効性の高い良質なアクションプランにたどり着くことができます。リアル空間での施策とデジタルを活用した施策など、多様な視点から解決策の候補を洗い出しましょう。

なお、このようなアイデアを多産するプロセスにおいて、生成AIは非常に強力な壁打ち相手となります。

【王道のフレームワーク】基本方針＋具体策のセット

Howの段階でいきなり具体的な施策ばかりを議論すると、手段が目的化してしまい、関係者間で「議論の空中戦」が起きやすくなります。これを防ぐためのシンプルな枠組みが、「基本方針＋具体策」のセットで考えることです。

• 基本方針：解決の方向性を示す、抽象度の高いコンセプト（幹）。
• 具体策：基本方針を実現するための具体的なアクション（枝葉）。

まずは基本方針を固めることで、具体策がブレなくなり、関係者間での合意形成がスムーズに進みます。

②アイデアを評価し、優先順位をつける（収束）

広く出したアイデアを評価軸で選別し、実行するアクションプランを絞り込みます。

• 課題解決インパクト
• 実行コスト／労力
• 実現可能性

これらの3軸で判断し、優先順位をつけてから詳細な実行プランに落とし込みます。

ステップ4．実行（Actions）への橋渡し：サマリーシートの活用

実行は最もリソースが必要なステップです。いかに「解くべき問題」と「良質な解決策」に実行リソースを集中できるかが、問題解決の核心となります。

そのため、いきなり実行に移るのではなく、事前の「What→Where→How」のプロセスで検討した内容を、最後に1枚のシートにまとめて全体像を整理・確認することをおすすめします。

「誰のどんなジョブを解決するのか（What）」「どの課題にフォーカスするのか（Where）」「そのための基本方針と具体策は何か（How）」の論理が一貫しているかを最終チェックし、必要に応じて整えてから実行（Actions）へと進みましょう。

What→Where→Why→Howの問題解決プロセスとの違い

ここまでは基本となる3ステップを解説しました。一方で、もう一つの代表的なプロセスとしてWhat→Where→Why→Howの4ステップも存在します。ここではWhy（原因分析）を独立させるかどうかが議論のポイントです。

• 問題定義（What）：何が問題かを規定する
• 問題特定（Where）：どこが問題かを特定する
• 原因分析（Why）：特定した問題の原因を分析する
• 解決策立案（How）：何をするかを決め、計画に落とす

問題解決の専門書などではこの4ステップが一般的ですが、本記事ではよりシンプルかつ実践的な、Whyを省いた3ステップをおすすめしています。

問題解決のプロセスからWhyを省略する理由

本来、問題解決において原因分析（Why）は欠かせない要素です。しかし実際のビジネスシーンでは、あえてWhyを独立させず、3ステップにまとめた方が効率的に進むケースが多くあります。その理由は以下の2点です。

1. WhereとWhyの明確な区別が難しい
   言葉の意味通り捉えれば、Whereは「問題の場所」、Whyは「原因」です。しかし実際の現場では、「今はWhereの話か、Whyの話か」の共通認識を持つのが難しく、密接に関わる両者を明確に切り分けるのは至難の業です。本稿では、Whereの内部で原因仮説の形成・検証を行うアプローチをとっています。
2. PDCAを高速で回しやすい
   4ステップは厳密ですが、原因分析（Why）に時間と労力がかかります。アジリティが求められるDX時代においては、原因究明に時間をかけるより、全体像を捉えて解決策を実行し、仮説検証のサイクルを高速で回しすることのほうが重要です。

DX時代の問題解決：生成AIを活用する3つのメリット

DX(デジタルトランスフォーメーション）時代の問題解決において、生成AIは単なるツールではなく、プロセス全体を加速させる強力なパートナーとなります。フレームワークの知識を補完し、スピードを劇的に高めます。

1．短時間で精度の高い分析・課題解決仮説が出せる

生成AIは、ジョブ理論や各種フレームワークといった基本的な経営理論を学習済みです。そのため、初期テーマを入力するだけで、論理的で精度の高い顧客課題仮説やカスタマージャーニーの原案を瞬時に生成できます。

2．問題解決プロセスで高速PDCAが回せる

「問題定義＞問題特定＞解決策立案」のプロセスは、一度で完璧なものにはなりません。生成AIと対話しながらプロセスを何度も往復（再定義や評価）することで、圧倒的なスピードでPDCAを回し、プランの精度を向上させることが可能です。

3．アイデアの量（多産多死）が質を高める

問題解決においては、アイデアの量が質に転化します。解決策の洗い出しにおいて、人間だけでは思いつかないような大量のアイデアを生成AIに出させ（発散）、それを人間が評価軸に沿って選別（収束）することで、良質なアクションプランにたどり着きやすくなります。

※参考記事：

• 生成AI時代の問題解決研修【実践フレームワークとChatGPT・Copilot・Gemini活用法】
• 生成AI活用研修とは｜ChatGPT・Copilot×王道ビジネスフレームワークで組織課題解決

あわせて押さえるべき定番のビジネスフレームワーク5選

問題解決の現場においては、これまでに紹介したプロセスに沿った型のほかにも、状況を俯瞰し「解くべき問い」を見つけ出すための定番フレームワークが存在します。これらをプロセスに組み込み、適切に使い分けることで、より客観的で精度の高い問題特定が可能になります。

PEST分析（外部環境のマクロ動向を捉える）

企業を取り慢くマクロ環境（外部環境）を網羅的に捉えるフレームワークです。政治（P）、経済（E）、社会（S）、技術（T）の4つの視点から、自社ビジネスに与える影響を俯瞰します。問題解決の視点においては、自社の努力だけではコントロールできない「構造的な変化やトレンド」をいち早く捉え、「そもそも自社が今解くべき問いの前提条件（機会と脅威）」を整理・定義する初期段階（What）に活用されます。

※詳細はこちら：PEST分析のやり方と実践フレームワーク

3C分析（市場・競合・自社の関係性を整理する）

「Customer（市場・顧客）」「Competitor（競合）」「Company（自社）」という3つの視点から、業界環境（ミクロ環境）を多角的に捉える王道のフレームワークです。問題解決の視点においては、直面しているビジネスの課題（例：売上の減少）が「市場ニーズの変化（C）」に起因するのか、「競合の台頭（C）」なのか、あるいは「自社のリソース不足（C）」なのかという、問題の大きな所在（Where）を切り分けるための強力な羅針盤となります。

※詳細はこちら：3C分析のやり方と実践フレームワーク

5F分析（業界の構造と収益性を把握する）

業界の収益性や競争の厳しさを「5つの脅威（既存競合、新規参入、代替品、買い手、売り手）」で評価する枠組みです。問題解決の視点においては、自社の収益性悪化という問題に対峙した際、それが自社のオペレーションや戦略の不備（内部問題）なのか、それとも業界構造そのものが激化しているという抗えない外的要因（外部問題）なのかを明確に大別するために役立ちます。

※詳細はこちら：5F分析（外部環境分析）の詳細を見る

SWOT分析・クロスSWOT分析（現状から戦略への転換）

内部要因（強み・弱み）と外部要因（機会・脅威）を整理する情報解釈のフレームワークです。さらに要素を掛け合わせて具体的な施策を発想する「クロスSWOT分析」まで行います。問題解決の視点においては、問題（ギャップ）を特定した後に、「自社の強みを活かして機会を捉える（S×O）」や「弱みを克服して脅威を回避する（W×T）」といった、実効性の高い具体的な解決策（How）の方向性を導き出す集大成の役割を担います。

※詳細はこちら：SWOT分析・クロスSWOT分析の詳細を見る

ヒト・モノ・カネ・情報（経営資源の配分をチェックする）

ピーター・F・ドラッカーが提示した三大経営資源（人的資源・設備・資金）に、現代の「情報（データ）」を加えたリソース管理のフレームワークです。問題解決の視点においては、「問題の原因がどの経営資源の不足・滞留にあるのか」を特定（Where）する際のチェックリストとして、また、導き出した解決策を実務に落とし込む際の「自社のリソース的な制約条件（Actions）」を評価する基準として機能します。特に第4の資源であるデータは、他の三資源の効率を最大化する乗数効果を持ち、DX時代の問題解決を強力に支えます。

まとめ

本記事では、実務で使いやすい問題解決プロセスとして「What→Where→How」の3ステップと、各段階で役立つ実践的なフレームワーク（ジョブ理論、カスタマージャーニーマップなど）を解説しました。多くの手法を学ぶことも重要ですが、まずは組織の共通言語としてシンプルな「型」を確立することが実務では近道です。

特にDX時代においては、アジリティ（俊敏性）が求められます。生成AIをパートナーとしてプロセス全体を高速で回し、多産多死でアイデアを出しながら仮説検証のサイクルを早めることが、変化に対応する鍵となります。デジタルトランスフォーメーション研究所では、生成AIを用いた問題解決の型を習得し、組織のDXを加速させる「生成AI時代の問題解決研修」をご提供しています。